閱卷管理與監(jiān)測系統(tǒng)

    ——大規(guī)模考試作文評分研究系列之六
    上文說過，大規(guī)模考試中作文評分的誤差控制包括三個(gè)不可缺少的基本環(huán)節(jié)，這就是評分標(biāo)準(zhǔn)、評分方法 和閱卷管理。監(jiān)測系統(tǒng)是閱卷管理系統(tǒng)中一個(gè)有特殊意義的組成部分。一次大規(guī)模作文考試，如果沒有一套完 善的管理制度，沒有一個(gè)有效的監(jiān)測系統(tǒng)，則任何評分標(biāo)準(zhǔn)的厘定、評分方法的改進(jìn)都只是一句空話。
    在測試研究中，考務(wù)管理是一個(gè)專門的領(lǐng)域；在測試機(jī)構(gòu)中，考務(wù)管理是一個(gè)有特定職能的分支機(jī)構(gòu)�？� 慮到本刊的讀者對象，以下只作約略的概述。
    １．大規(guī)模作文考試的閱卷管理系統(tǒng)
    大規(guī)模作文考試的閱卷管理系統(tǒng)應(yīng)承擔(dān)以下三個(gè)方面的職責(zé)：ａ．閱卷的業(yè)務(wù)領(lǐng)導(dǎo)，ｂ．閱卷人員的行政 管理，ｃ．閱卷質(zhì)量的監(jiān)測。在現(xiàn)階段，我國比較完善的閱卷管理程度可以示意如下：
    作文閱卷管理示意圖
    （附圖 {圖}）
    現(xiàn)代科技的發(fā)展，為作文閱卷的管理提供了重要的輔助手段。借助這種手段，閱卷管理的主要工作有：
    ①試卷的隨機(jī)編排
    試卷的隨機(jī)編排就是把不同學(xué)校的考生打亂混合排列。有了電腦，這項(xiàng)工作在技術(shù)上是不難解決的。重點(diǎn) 學(xué)校與非重點(diǎn)學(xué)校之間，水平可以相差很大，如果不解決隨機(jī)編排問題，則監(jiān)測系統(tǒng)的數(shù)據(jù)將失去代表性，既 使得這些數(shù)據(jù)缺乏應(yīng)有的說服力，也容易出現(xiàn)盲目的調(diào)控。有了隨機(jī)編排，不但閱卷員的評分狀況能夠得到比 較客觀的反映，而且就閱卷員本人來說，由于一本試卷（即同一考場中）兼有各類學(xué)校的考生作文，可以大大 減弱評分心理的位置效應(yīng)（參閱《系列之一》）。此舉可以消除評分的系統(tǒng)誤差，即各校的平均成績與其實(shí)際 水平大體接近，但還不能遏制評分的隨機(jī)誤差（參閱《系列之一》文末注釋）。
    ②閱卷員的選擇與培訓(xùn)
    《系列之三》所披露的數(shù)字表明，閱卷人員決不是“年齡大、職稱高”才好。閱卷隊(duì)伍的形成應(yīng)該是一個(gè) 選擇的過程，由于大規(guī)�？荚囎魑脑u分的特點(diǎn)與困難，閱卷者應(yīng)該是一支半專業(yè)化的隊(duì)伍，為此，需要逐步建 立閱卷人員檔案�！案呖甲魑脑u分誤差控制”課題組的試驗(yàn)省分有的正考慮實(shí)行“閱卷員證書”制度（國外已 有），這是條很有價(jià)值的措施。
    在選擇閱卷人員的基礎(chǔ)上還要進(jìn)行培訓(xùn)。以下兩項(xiàng)調(diào)查反映了短期培訓(xùn)的效果。
    調(diào)查Ａ
    取各類作文１０篇，１５名閱卷員在培訓(xùn)前后兩次重評。結(jié)果如下：
    培訓(xùn)前 培訓(xùn)后 篇平均標(biāo)準(zhǔn)差 ４．８４ ３．９７ 總體標(biāo)準(zhǔn)差 ３．９７ ４．６３
    可見經(jīng)過培訓(xùn)，閱卷員評分的一致性有所提高，在拉開分?jǐn)?shù)距離方面情況有所改善。
    調(diào)查Ｂ
    取各類作文６０篇，分成對等兩組，１６名閱卷員先評第一組（作為培訓(xùn)材料），相隔３日再評第二組， 結(jié)果如下：
    第一次 第二次 篇平均標(biāo)準(zhǔn)差 ３．４６７ ３．１０５
    觀測結(jié)果與調(diào)查Ａ相近。
    培訓(xùn)可以有兩種方式：ａ．短期集中培訓(xùn)，ｂ．結(jié)合閱卷過程進(jìn)行。后者一般都與樣本卷討論和典型卷討 論合并進(jìn)行，將在下面專門介紹。
    ③樣本卷的選定及其策略
    即使有了比較完備的評分參照量表（參閱上期），每次大規(guī)模考試的樣本卷仍是不可少的。這是因?yàn)槊磕?的試題都有其個(gè)性，有其需要特殊處理的矛盾，需要根據(jù)當(dāng)年試題情況編制樣本卷系列予以解決。
    樣本卷的功能，一是使評分標(biāo)準(zhǔn)明確化、具體化，二是針對影響閱卷穩(wěn)定的心理因素予以盡可能的控制。 因此編制樣本卷系列，在著眼點(diǎn)方面，在策略方面，和參照量表的編制可以有所不同。參照量表的編制要遵循 “等距性”原則，即各典型例卷之間，如果按百分制計(jì)算，其分距大體上是相等的；樣本卷系列的制訂，則可 以進(jìn)一步著眼于“分界線”和“分歧點(diǎn)”。
    例如：“趨中傾向”（參閱《系列之一》）是大規(guī)�？荚囋u分中一個(gè)比較突出的問題，針對這種情況，１ ９９１年江西省在高考作文評分選定樣本卷時(shí)采取了以下對策：ａ．一、二類樣本卷取下限，ｂ．三類卷取上 、下限。采取上述措施的結(jié)果，各類試卷的分布狀況有所改善： 類別 一 二 三 四 五 百分比 ２ ２２ ４３ ２７ ５
    高考作文每年分值不同，為了便于比較，重新劃分分?jǐn)?shù)段使之能與１９９０年相對應(yīng)，結(jié)果如下：
    (91)29---35 (91)20---28 (91)12---19 (91)1---11
    (90)33---40 (90)23---32 (90)14---22 (90)1---13
    1991 10% 46% 36% 8%
    90(綜) 6% 58% 27% 9%
    90(綜) 11% 62% 22% 5%
    從表中的數(shù)據(jù)可以看出，高分?jǐn)?shù)段的情況沒有顯著變化，而第二檔次的人數(shù)有大幅度下降，第三檔的數(shù)字 有明顯上升。從整體上看，打保險(xiǎn)分，送“及格”分的傾向有所抑制。
    再取同是采用分項(xiàng)評分法的９０年文科考生分與９１年全省考生抽樣統(tǒng)計(jì)的平均數(shù)、標(biāo)準(zhǔn)差、變差系數(shù)（ 標(biāo)準(zhǔn)差／平均分）相比，結(jié)果如下：
    平均分 標(biāo)準(zhǔn)差 變差系數(shù) ９０年（滿分４０分）２４．６５ ６．６５ ２６．９８％ ９１（滿分３５分） ２０．１７ ６．４１ ３１．７８％
    統(tǒng)計(jì)表明，變差系數(shù)有所增加，即分?jǐn)?shù)離散狀況好于前一年。
    “分歧點(diǎn)”就是容易引起分歧的問題。每年閱卷，都可以發(fā)現(xiàn)“有的作文好評，有的作文難評”現(xiàn)象。對 于某些作文，評分比較容易趨于一致，對于另一些作文，看法往往分歧。歸納、分析、研究這些評分差別較大 的試卷，及時(shí)提出來討論，統(tǒng)一認(rèn)識(shí)，納入樣本系列，是極其重要的。
    ④閱卷流程管理
    根據(jù)我國慣例，大規(guī)模作文考試通常在暑期或接近暑期進(jìn)行。在高溫、大兵團(tuán)突擊作戰(zhàn)的閱卷?xiàng)l件下，應(yīng) 該特別注意閱卷人員的生活安排和保健措施。就閱卷流程管理而言，要特別注意以下兩項(xiàng)工作：
    ａ．均衡投卷，控制速度
    閱卷速度必須均勻，前松后緊之類都必然擴(kuò)大誤差�？紤]到閱卷員熟練程度不斷提高，可以先略慢后稍快 ，但各組之間必須同步前進(jìn)。要嚴(yán)禁各組攀比速度，領(lǐng)導(dǎo)小組要掌握進(jìn)度，但決不應(yīng)公布進(jìn)度，一公布必然對 較慢的組產(chǎn)生壓力而滋生誤差。此外，如果閱卷人員之間存在著利害關(guān)系（相互競爭的學(xué)校、區(qū)縣等），試卷 的投放還要注意流向，以免人為因素干擾。
    閱卷的速度與質(zhì)量有直接關(guān)系，速度過快必然評估粗糙。由于目前實(shí)行的承包制以及閱卷數(shù)量與報(bào)酬掛鉤 的原因，閱卷速度不斷加快。據(jù)了解，高考作文有的地區(qū)個(gè)別閱卷員的速度竟達(dá)到日３００份以上，在這種情 況下，閱卷質(zhì)量是無法得到保證的。承包制不適用于作文閱卷，必須予以解決。
    ｂ．制訂行為準(zhǔn)則
    “多元評定法”是減小各評閱者評分誤差的重要措施。根據(jù)賽蒙茲（Symonds）的研究，一組作文若由兩人 評定，其相關(guān)系數(shù)為０．５５，經(jīng)四人評定后再由另四人評定，則相關(guān)系數(shù)可達(dá)０．８２，若經(jīng)八人評定后再 評定，相關(guān)系數(shù)可以增加到０．９０。目前，美國威斯曼的“快速印象法”和英國倫敦教育研究所的實(shí)驗(yàn)都要 求一份試卷經(jīng)四人評定。在我國，一般原則上規(guī)定一份試卷應(yīng)由兩人共評，要求已經(jīng)很低，但實(shí)際上仍無法做 到。在這種情況下，應(yīng)該就“對子”行為作出一些規(guī)定，例如至少要求兩人先共評若干份，分評后每天必須相 互抽查各等級(jí)的作文若干篇，發(fā)現(xiàn)問題及時(shí)磋商，并有相應(yīng)的檢查措施，等等。這已經(jīng)是最低限度的要求。
    紀(jì)律渙散、工作態(tài)度不嚴(yán)肅，是無法保證閱卷質(zhì)量的。因此，還應(yīng)當(dāng)制訂《閱卷員守則》，并且有相應(yīng)的 獎(jiǎng)懲制度。對于不合格的閱卷人員必須堅(jiān)決汰除。課題組各試驗(yàn)省份都有被判“紅牌”者，對維護(hù)閱卷的嚴(yán)肅 性有良好的作用。
    ⑤監(jiān)測及復(fù)查
    由于這個(gè)問題的重要性，將在下文專門介紹。
    ２．建立、健全監(jiān)測系統(tǒng)
    大規(guī)模作文考試如果沒有一個(gè)有效的監(jiān)測系統(tǒng)，則任何研究、條例和改進(jìn)措施將毫無意義。我國長期慣用 的“復(fù)查”就是一種監(jiān)測方法，不過隨著科技手段的進(jìn)步，監(jiān)測手段日益豐富，怎樣借助科技手段來發(fā)展監(jiān)測 系統(tǒng)就成為人們研究的一個(gè)課題。
    科技手段應(yīng)用于評分監(jiān)測，有“隱形筆”等［注］，不過目前主要是電腦。國外有利用電腦直接進(jìn)行調(diào)控 的，即以試卷中某些客觀性較強(qiáng)試題的得分為參照系，如果發(fā)現(xiàn)某地區(qū)或某閱卷員的主觀題給分與其它地區(qū)或 其他閱卷員的評分平均值相比明顯偏低或偏高，可以通過數(shù)學(xué)方法加以調(diào)整。我國英語高考也曾采用過這種方 法。但語文是一門綜合性很強(qiáng)的學(xué)科，其測試也屬于異質(zhì)性測試，經(jīng)過多次測算，各試題（包括作文）的得分 之間沒有必然聯(lián)系。即以寫作能力而論，母語和外語不同，母語作文的能力層次要求大大高于外語，高層次能 力（如立意）與低層次能力（如書寫）之間，得分也沒有必然聯(lián)系。因此用其它試題作參照系的方法就作文評 分而論是不科學(xué)的，也是不可取的。再就各閱卷員之間的評分來說，由于評分對象的差別（例如一市集中閱卷 ，各區(qū)之間的水平就會(huì)有所不同），很難據(jù)此就作出“偏嚴(yán)”、“偏松”的判斷，如果驟然利用電腦直接調(diào)整 ，很難避免盲目調(diào)控。因此，至少就作文評分而言，機(jī)器只能及時(shí)發(fā)現(xiàn)問題，最后的裁斷還必須由人工（專家 ）來做出。
    當(dāng)前，利用電腦監(jiān)測主要有以下幾種方法：
    ①指標(biāo)監(jiān)測
    用以監(jiān)測的指標(biāo)主要有“平均分”和“標(biāo)準(zhǔn)差”。平均分可以顯示出閱卷者給分有沒有偏高或偏低的問題 ；標(biāo)準(zhǔn)差顯示給分的離散程度，顯示出有沒有“打保險(xiǎn)分”的趨向。將閱卷員每日每份試卷的給分及時(shí)輸入電 腦，如有問題，就可以及時(shí)發(fā)現(xiàn)。
    ②參照系監(jiān)測
    由核心組先隨機(jī)抽閱一批試卷，將數(shù)據(jù)輸入電腦，以所形成的曲線作為參照系。參照系有允許浮動(dòng)的一定 幅度。閱卷員每日評分結(jié)果在圖形顯示上如果超越了幅度，電腦就能及時(shí)檢出以備復(fù)查。
    ③“暗點(diǎn)”監(jiān)測
    即由核心組隨機(jī)抽閱一批試卷，秘密輸入電腦，閱卷員評此卷時(shí)，如果給分差距過大，就能及時(shí)發(fā)現(xiàn)檢出 ，顯示該閱卷員所評其它試卷也可能存在問題。本方法原理雖然簡單，但頗為有效。
    ④內(nèi)部相關(guān)監(jiān)測
    這是我國試驗(yàn)分項(xiàng)評分時(shí)所創(chuàng)造的一種方法。其原理是各分項(xiàng)得分之間往往具有一定的相關(guān)性，由此設(shè)計(jì) 了數(shù)學(xué)模型，把測算結(jié)果稱為U值。U值過大或過小，都可以提供信息供復(fù)查組審核、裁奪。此方法１９９２年 在河北省試驗(yàn)與指標(biāo)監(jiān)測法同時(shí)采用，當(dāng)年結(jié)果如下（X撥為平均分Ｓ為標(biāo)準(zhǔn)差）：
    試卷 增加分 減少分 增加分 減少分 平均每
    袋數(shù) 數(shù)篇數(shù) 數(shù)篇數(shù) 數(shù)總和 數(shù)總和 袋改動(dòng) X撥出線 １４ ７７ ２９ ２０９ １２７ ２４ Ｓ出線 ９ ２６ １５ ７３ ２６ １１ U值小 １３ ５０ ５３ １６６ １１９ ２１．９ U值大 ８ ６１ １８ ２００ ５１ ３１．４
    說明：平均分低于控制線的１１袋，經(jīng)復(fù)查，分?jǐn)?shù)變動(dòng)２６９，平均每袋２４．５分；高于控制的３袋， 分?jǐn)?shù)變動(dòng)６７分，平均每袋２２．３分。
    U值方法尚在進(jìn)一步完善和論證的過程之中，但實(shí)踐證明它在發(fā)現(xiàn)問題方面是有效的。由此也可以看出，在 平均分、標(biāo)準(zhǔn)差均未出線的范圍內(nèi)還存在著大量誤差，需要研究對策。這也正是作文評分監(jiān)測系統(tǒng)科研的任務(wù) 。［注］該筆書寫的符號(hào)，只有借助特定燈具才能顯示。這樣，共評者彼此不知道對方所給的成績，而由監(jiān)測 者（或組長）裁奪。如果差別過大，則需重評。
    —一全文完—一